• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.337-339
• /
• 2003

본 논문은 내장형 시스템의 전력 감소를 위해 사용되는 과거 사용량 기반의 DVS의 단점 인 응용 프로그램의 수행 성능 저하를 보상하기 위해, 운영체제의 스케줄러에서 제공하는 태스크의 미래정보를 이용하는 기법을 제안한다. 대표적 내장형 운영체제인 WinCE.net에서의 스케줄러는 제한된 자원의 효율적 관리를 위하여 동일 응용프로그램의 태스크들을 관리하면서 다음 태스크 시행시간 정보를 갖게 된다. 이러한 룩 어헤드(look ahead)정보와 과거사용량기법을 혼합한 혼합예측기법이 실제 내장형 시스템에서 전력소비를 감소시키며 응용프로그램의 수행 성능보상을 할 수 있음을 보인다.

• Journal of Environmental Impact Assessment
• /
• v.24 no.5
• /
• pp.487-498
• /
• 2015

The energy problem has occurred because of the effects of rising temperature and growing population and GDP. Prediction for the energy demand is required to respond these problems. Therefore, this study will predict heating and cooling energy consumption in residential sector to be helpful in energy demand management, particularly heating and cooling energy demand management. The AIM/end-use model was used to estimate energy consumption, and service demand was needed in the AIM/end-use model. Service demand was estimated on the basis of formula, and energy consumption was estimated using the AIM/end-use model. As a result, heating and cooling service demand tended to increase in 2050. But in energy consumption, heating decreased and cooling increased.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.17 no.2
• /
• pp.199-204
• /
• 2017

In this study, we present a home appliance load identification algorithm. The algorithm utilizes complex sensory data in order to improve the existing NIALM using total power usage information. We define the influence graph between the appliance status and the measured sensor data. The device identification prediction result is calculated as the weighted sum of the predicted value of the sensor data processing algorithm and the predicted value based on the total power usage. We evaluate proposed algorithm to compare appliance identification accuracy with the existing NIALM algorithm.

• The Journal of Bigdata
• /
• v.5 no.1
• /
• pp.227-239
• /
• 2020

This paper introduces a method for predicting the maximum power demand despite communication errors in industrial sites. Due to the recent policy of de-nuclearization in Korea, the price of electricity is inevitable, and the amount of electricity used and maximum load management for the management of power demand are becoming important issues. Accordingly, it is important to predict and manage peak power. However, problems such as loss and modulation of measured power data occur at industrial sites due to noise generated by various facilities and sensors. It is difficult to predict the exact value when measured effective power data are lost. The study presents a model for predicting and correcting anomalies and missing values when measured effective power data are lost. The models used in this study are expected to be useful in predicting peak power demand in the event of communication errors at industrial sites.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.4
• /
• pp.161-167
• /
• 2019

Recently, demand forecasting techniques have been actively studied due to interest in stable power supply with surging power demand, and increase in spread of smart meters that enable real-time power measurement. In this study, we proceeded the deep learning prediction model experiments which learns actual measured power usage data of home and outputs the forecasting result. And we proceeded pre-processing with moving average method. The predicted value made by the model is evaluated with the actual measured data. Through this forecasting, it is possible to lower the power supply reserve ratio and reduce the waste of the unused power. In this paper, we conducted experiments on three types of networks: Multi Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short Term Memory (LSTM) and we evaluate the results of each scheme. Evaluation is conducted with following method: MSE(Mean Squared Error) method and MAE(Mean Absolute Error).

• The Journal of Korean Institute of Next Generation Computing
• /
• v.13 no.4
• /
• pp.7-18
• /
• 2017

Electrical energy is one of the most important energy sources in modern society. Therefore, it is very important to control the supply and demand of electric power. However, the power consumption data needed to predict power demand may include the information about the private behavior of an individual, the analysis of which may raise privacy issues. In this paper, we propose a secure power demand forecasting method where regression analyses on power consumption data are conducted in a trusted execution environment provided by Intel SGX, keeping the power usage pattern of users private. We performed experiments using various regression equations and selected an equation which has the least error rate. We show that the average error rate of the proposed method is lower than those of the previous forecasting methods with privacy protection functionality.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.264-264
• /
• 2017

국외의 상수도 원격검침 시스템 내 데이터 전송방식은 도시 규모, 계량기의 밀도, 전력공급 여부 및 통신망의 설치 여부 등을 종합적으로 고려하여 결정되었다. 대부분의 스마트워터미터 제조업체들은 계량기의 부호기가 공급하는 판독 내용(데이터)을 전송할 검침단말기와 근거리 통신망(neighborhood area network)을 연계하여 개발 및 판매하였으며, 자체 소유 통신 프로토콜을 사용하여 라디오 주파수(RF) 통신 기술을 사용하고 있다. 광역통신망(wide area network)의 경우, 노드(말단의 계량기 및 센서)들과 이에 연결된 통신망 들을 포함한 네트웍의 배열이나 구성이 스타(star), 메쉬(mesh), 버스(bus), 나무(tree) 등의 형태로 통신망이 구성되어 있으나, 스타와 메쉬형 통신망 구성형태가 가장 널리 활용되는 것으로 조사되었다. 시스템 통합운영관리 업체들인 IBM, Oracle, Itron 등은 용수 인프라 관리 또는 통합네트워크 솔루션 등의 통합 물관리 시스템(integrated water management system)을 개발하여 현장적용을 하고 있으며, 원격검침 시스템을 통해 고객들의 현재 소비량과 과거 누적 소비량, 누수 감지 서비스 및 실시간 요금 고지 등을 실시간으로 웹 포털과 앱을 통해 제공하고 있다. 또한, 일부 제조업체들은 도시 용수공급/소비 관리자가 주민의 용수사용량을 모니터링하여 일평균 용수사용량 및 사용 경향을 파악하고, 누수를 검지하여 복구 및 용수 사용 지속가능성 지수를 제시하고, 실시간으로 주민의 용수사용량 관련 데이터를 모니터링하여 용수공급의 최적화를 위한 의사결정지원 서비스를 용수공급자에게 제공하고 있다. 최근에는 인공지능을 활용해 가정용수의 용도별(세탁용수, 화장실용수, 샤워용수, 식기세척용수 등) 사용량 곡선을 패터닝하여 profiling 기법을 도입해, 스마트워터미터에서 용수사용량이 통합되어 검지될 시 용수사용량의 세부 용도별 re-profiling 기법을 도입하여 가정용수내 과소비되는 지점을 도출 후 절감을 유도하는 기술이 개발 중이다. 또한, 미래 용수 사용량 예측을 위해 다양한 시계열 자료를 분석하는 선형 종속 모형(자기회귀모형, 자기회귀이동평균모형, 자기회귀적분이동평균모형 등)과 비선형 종속 모형(Fuzzy Logic, Neural Network, Genetic Algorithm 등)을 활용한 예측기능이 구축되어 상호 비교하여 최적의 용수사용량 예측 도구를 제공되고 있다.

• Annual Conference of KIPS
• /
• 2014.04a
• /
• pp.202-205
• /
• 2014

클라우드 컴퓨팅 환경에서, 서비스 이용자는 기존의 컴퓨터 및 스토리지 자원을 소유하지 않고도 클라우드 컴퓨팅 서비스에서 제공하는 서비스를 효율적으로 이용할 수 있다. 클라우드 컴퓨팅 서비스가 발달함에 따라 클라우드 컴퓨팅이 구축되어 있는 데이터센터에서 사용하는 전력량도 증가하게 된다. 소비되는 전력량이 증가함으로 인해 발생하는 전력 관리 문제들을 해결하기 위해서 보다 효율적인 전력 관리 방안이 필요하게 되었다. 본 논문에서는 가상의 클라우드 컴퓨팅 환경을 구축하여 소비되는 컴퓨팅 자원의 정보를 통해 사용되는 전력량을 시뮬레이터로 측정하고 수식을 이용하여 계산하는 방안을 제시한다. 측정된 전력량을 바탕으로 향후 사용될 전력량을 예측하고 대비한다면 보다 효율적으로 전력을 관리할 수 있을 것으로 기대된다.

• Proceedings of the Korea Contents Association Conference
• /
• 2008.05a
• /
• pp.112-115
• /
• 2008

Recently, In Korea Electric power Corporation guarantee free using, which separate a class of electric supply with a group of generates electricity and supply, so a market price is decided by demand and supply that take part in a tender. In this treatise predict about demand of power by abstracting a pattern cause it (temperature and economic growth). Also it proposes market price of the best electricity power generation with predicted data that is made database and is showed by Web. The proposed system is increased satisfaction of consumer through smoothness of power supply and demand that rises competitiveness through exactly estimated demand at power supply and demand and supply market will open the future. Moreover consumers can reduce expenses of basic charge. Because they beforehand predict and analyze a mount of power spending with former times so a provider concludes the lowest price and reduction effect of basic charge that needed producing of power.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.4
• /
• pp.587-594
• /
• 2018

The purpose of this study is to propose a power demand volatility evaluation system based on LSTM and not to verify the accuracy of the demand module which is a core module, but to recognize the sudden change of power pattern by using deeplearning in the actual power demand monitoring system. Then we confirm the availability of the module. Also, we tried to provide a visualized report so that the manager can determine the fluctuation of the power usage patten by applying it as a module to the web based system. It is confirmed that the power consumption data shows a certain pattern in the case of government offices and hospitals as a result of implementation of the volatility evaluation system. On the other hand, in areas with relatively low power consumption, such as residential facilities, it was not appropriate to evaluate the volatility.